Carregant...
Carregant...

Vés al contingut (premeu Retorn)

Masked V-Net: an approach to brain tumor segmentation

Autor
Catà, M.; Casamitjana, A.; Sanchez, I.; Combalia, M.; Vilaplana, V.
Tipus d'activitat
Presentació treball a congrés
Nom de l'edició
20th International Conference on Medical Image COmputing and Computer Assisted Intervention
Any de l'edició
2017
Data de presentació
2017-09-14
Llibre d'actes
2017 International MICCAI BraTS Challenge. Pre-conference proceedings
Pàgina inicial
42
Pàgina final
49
Projecte finançador
Procesado de información heterogénea y señales en grafos para Big Data:aplicación en cribado de alto rendimiento,teledetección,multimedia y HCI
Repositori
http://hdl.handle.net/2117/118671 Obrir en finestra nova
https://www.cbica.upenn.edu/sbia/Spyridon.Bakas/MICCAI_BraTS/MICCAI_BraTS_2017_proceedings_shortPapers.pdf Obrir en finestra nova
Resum
This paper introduces Masked V-Net architecture, a variant of the recently introduced V-Net[13] that reformulates the residual connections and uses a ROI mask to constrain the network to train only on relevant voxels. This architecture allows dense training on problems with highly skewed class distributions by performing data sampling on the output instead of in the input. We use Masked V-Net in the context of brain tumor segmentation and report results on the BraTS2017 Training and Validation s...
Citació
Catà, M., Casamitjana, A., Sanchez, I., Combalia, M., Vilaplana, V. Masked V-Net: an approach to brain tumor segmentation. A: International Conference on Medical Image Computing and Computer Assisted Intervention. "2017 International MICCAI BraTS Challenge. Pre-conference proceedings". 2017, p. 42-49.
Grup de recerca
GPI - Grup de Processament d'Imatge i Vídeo
IDEAI-UPC - Intelligent Data Science and Artificial Intelligence Research Center

Participants